基于子空间跟踪的盲空时多用户检测

针对天线阵同步CDMA系统,运用子空间方法,提出多径条件下空时盲多用户检测方法.用FSYAST子空间跟踪方法来自适应估计信号子空间,同步多径天线阵列系统的信道参数采用Kalman算法自适应估计.仿真结果表明,提出的盲空时多用户检测器性能优于其它子空间多用户检测器.     

面向VANETs改进的GPSR路由算法

针对车载网络GPSR的路由空洞问题,分析了现有策略的不足。为此,提出改进的GPSR。在改进的GPSR中,当节点已达到局部优化,即贪婪算法无法传递数据包,就利用邻居节点竞争方式转发数据包,并基于邻居节点的权值,选取最优的下一跳节点。仿真结果表明,改进的GPSR在数据传输率、端到端传输时延、路由长度方面均有较好的性能。     

无源数据传输系统的改进型Manchester码

针对能量传输效率和位定时信息提取的要求,提出了一种基带码型即改进型Manchester码。文中给出了该码的编码方法,分析能量传输效率、功率谱及AWGN信道非相干解调的误码性能,提出了解码方法并实测出系统关键节点的电压波形。该编码的能量传输效率比Manchester码高55%,同时具备位定时信息易于提取的优点,可以在非相干解调中充分利用其位定时信息解决接收端内部震荡器不稳定造成的采样时刻误差累积问题。     

干扰子空间盲自适应估计的跳频多址信号检测

针对跳频多址(FHMA)系统,提出了干扰子空间线性最小均方误差(MMSE)检测器和干扰子空间的快速跟踪算法.该算法通过添加噪声子空间得到了整个干扰自相关矩阵的权矢量,避免了同时对特征值对角阵和特征向量矩阵进行跟踪.结合神经网络学习机制中的NIC(Novel Information Criterion)准则,进行权矢量的快速更新,降低了复杂度.仿真证明,该检测器具有很好的误码性能,收敛速度更快.     

轮询式多准则特征选择算法的研究

特征选择是复杂模式分类系统中重要预处理过程.针对filter模式下遗传算法特征选择精度不高,wrapper模式特征选择时间代价较高的缺点,提出了一种新的特征选择算法.该算法设计了搜索性能较好的链式智能体遗传算法为搜索算法,引入多个评价准则进行轮询式选择.实验将算法与filter模式下多种单准则特征选择算法以及wrapper模式下特征选择算法进行了比较.实验结果表明,此算法具有比filter模式下单评价准则选择精度更高的特点,同时选择时间代价远远低于wrapper此模式下的特征选择算法,因此,该算法可用于设计实用高识别正确率的模式分类系统.     

非线性时变机载雷达微下击暴流目标回波建模与算法设计

为了有效分析微下击暴流产生机理以及在非对称风场条件下微下击暴流的风速估计和回波谱,利用网格划分法的基本原理,结合多普勒效应建立了微下击暴流目标回波数学模型,并提出了一种机载雷达微下击暴流信号的处理算法.在非对称风场情形下仿真分析了顺风、偏风、侧风以及逆风时微下击暴流的风速估计以及功率谱.仿真结果表明,在不同距离门上的顺风、逆风、侧风以及偏风的风速变化符合微下击暴流的特征,非对称风场下的微下击暴流雨回波三维功率谱分布与非对称风场中的径向速度分布一致.     

麻醉术中绝对血容量不足临床监测告警系统的设计

针对临床用麻醉监测告警系统采用的硬阈值算法对绝对血容量不足等并发症评价指标单一,误报率达75%的问题,研制了1个新的实时智能监测告警系统(real-time smart alarms foranesthesia monitoring,RTSAAM)。新系统包含2个诊断模块,一是血压变化告警模块(SPV模块),另一个是基于新算法的统计告警模块,该模块综合了血压、心率、脉量和呼气末CO2浓度等指标,能够提供足够的诊断支持信息,并可随时调节系统灵敏度。通过Kappa分析,在线和离线状态下新系统与麻醉师的诊断结果一致性分别为76%和81%,说明新系统对诊断术中的绝对血容量不足有效。     

PID控制及高频逆变技术的X射线机电源

针对目前的X射线机控制精度不高以及稳定性不够的问题,介绍了一种数字化的X射线机电源,其中调压电路采用BUCK电路的改进形式,高压发生的重点部分采用高频逆变以及软开关技术,使最重要的逆变环节输出稳定。调压电路以及逆变电路中开关管的控制采用PWM控制技术,驱动波形输出稳定且容易控制。反馈电路由单片机的软件PID来控制,提高了高压的控制精度并减小了体积,而且实现了高压的连续可调。灯丝电源采用高精度的电源芯片,实现了灯丝电流的稳定。通过对电路的分析,计算出了电路所用参数并用PSPICE软件进行了仿真。最后的仿真结果表明,理论分析结果与实际的结果一致,设计的电源系统可以稳定运行,达到了X射线机所用电源的指标要求。     

认知无线网络基于正交频分复用的子载波和功率分配策略

为满足认知用户对主用户的干扰约束,建立了在主用户接收端干扰受限条件下最大化认知用户容量的数学优化问题;进一步提出了当主用户信噪比不断变化时,认知用户可根据干扰控制因子自适应地调整发射功率,最大化认知系统容量;利用拉格朗日乘数法,得到了该数学问题的最优解;最后,在多用户情况下提出了一种公平性和容量性能折衷的子载波和功率分配方案。仿真结果表明,在主用户可容忍的干扰约束下,该方案能有效地保证认知用户间的公平性且系统容量性能趋于最优。     

图上自适应正则化的图像去噪

自适应正则化方法在不同的局部区域能够选取不同的正则化参数和正则化约束,因而能够灵活地对边缘和噪声进行区别处理。将自适应正则化建立在图上,提出了一种定义在加权图上的,具有自适应参数的正则化模型。用nonlocal means 算法构造图的权重函数,用建立在图上的自适应正则化方程实现图像的去噪处理,仿真实验结果表明：该方法能有效地去除图像中的噪声,在去噪性能上优于部分基于图论的偏微分方程方法。